model.coeff()

ایجاد معادلات به صورت ضریب. همچنین مدل.shape() ، model.weak() را ببینید .

نحو

model.coeff().create( <tag> , <fields> );

model.coeff( <tag> ).field( <fields> );

model.coeff( <tag> ).field( <pos> , <fields> );

model.coeff( <tag> ).intRule( <irlist> );

model.coeff( <tag> ).intRule( <pos> , <irule> );

model.coeff( <tag> ).create( <ftag> );

model.coeff( <tag> ).feature( <ftag> ).getAllowedPropertyValues( خاصیت );

model.coeff( <tag> ).feature( <ftag> ).set( ctype , <cvalue> );

model.coeff( <tag> ).field();

model.coeff( <tag> ).intRule();

model.coeff( <tag> ).feature( <ftag> ).get Type ( ctype );

model.coeff( <tag> ).hasProperty(string pname);

model.coeff( <tag> ).properties();

model.coeff( <tag> ). ویژگی ( <ftag> ). set (Pname رشته، مقدار int)؛

model.coeff( <tag> ). ویژگی ( <ftag> ). set (رشته pname, int pos, int value);

model.coeff( <tag> ). ویژگی ( <ftag> ). set(string pname, int pos, int[] value);

model.coeff( <tag> ). ویژگی ( <ftag> ). set(Pname رشته، int pos1، int pos2، مقدار int);

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex (نام رشته، مقدار رشته، شاخص int)؛

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex(نام رشته، مقدار رشته، int firstIndex،
int secondIndex);

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex(نام رشته، مقدار رشته[]، شاخص int);

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex (نام رشته، مقدار دوگانه، شاخص int)؛

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex(نام رشته، مقدار دوگانه، int firstIndex،
int secondIndex);

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex(نام رشته، مقدار دوگانه[]، شاخص int);

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex (نام رشته، مقدار int، شاخص int)؛

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex (نام رشته، مقدار رشته، شاخص int)؛

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex(نام رشته، مقدار int، int firstIndex،
int secondIndex);

model.coeff( <tag> ). ویژگی ( <ftag> ). setIndex(نام رشته، مقدار int[]، شاخص int);

آرگومان های شاخص/موقعیت متدهای set() مبتنی بر 1 هستند. آرگومان های شاخص/موقعیت متدهای setIndex() بر پایه 0 هستند.

شرح

model.coeff( <tag> ) معادلات فرم ضریب را با تگ <tag> برمی گرداند .

model.coeff().create( <tag> , <fields> ) معادلات فرم ضریب را با تگ <tag> با استفاده از فیلدهای <fields> ایجاد می کند . تگ های فیلد به فیلدهای تعریف شده توسط model.field() اشاره می کنند . توابع شکل اشاره شده توسط فیلدها نیز در داخل برای یافتن مشتقات متغیرهای میدان در صورت تبدیل ویژگی‌های ضریب به فرمول ضعیف استفاده می‌شوند. به‌طور پیش‌فرض، همه ضرایب به گونه‌ای طراحی شده‌اند که به معادله مورد بررسی کمکی نمی‌کنند. برای مثال model.coeff().create(“mytag”,new String[]{“u”,”v”}) .

model.coeff( <tag> ).field( <fields> ) متغیرهای فیلد فرم ضریب را تنظیم می کند. <fields> رشته‌ای با برچسب فیلد یا بردار تگ‌های فیلد است – برای مثال، رشته جدید[]{“u”,”v”} . تخصیص مجدد فیلدها این عارضه جانبی دارد که در صورت تغییر تعداد متغیرهای فیلد، اندازه ضرایب تغییر می کند.

model.coeff( <tag> ).field( <pos> , <fields> ) فیلد را در موقعیت <pos> در بردار فیلد <fields> ویرایش می کند .

model.coeff( <tag> ).intRule( <irlist> ) قوانین یکپارچه سازی را به معادلات فرم ضریب اختصاص می دهد. طول لیست باید به اندازه تعداد متغیرهای فیلد تعریف شده توسط فیلدها باشد یا دارای طول 1 باشد. در حالت دوم همه معادلات از قانون یکپارچه سازی یکسانی استفاده می کنند. تعداد متغیرهای فیلد لزوماً با تعداد رشته های مشخص شده در model.coeff( <tag> ).field() یکسان نیست .

model.coeff( <tag> ).intRule( <pos> , <irule> ) قانون یکپارچه سازی را در موقعیت <pos> در بردار <irule> ویرایش می کند .

model.coeff( <tag> ).feature( <ftag> ) یک ویژگی فرم ضریب با برچسب <ftag> در معادلات فرم ضریب با برچسب <tag> است .

model.coeff( <tag> ).create( <ftag> ) یک ویژگی فرم ضریب جدید با تگ <ftag> ایجاد می کند .

model.coeff( <tag> ).feature( <ftag> .set( ctype , <cvalue> ) مقدار ضریب نوع ctype را به <value> تنظیم می کند . همه انواع داده های رشته ای که در جدول 2-4 فهرست شده اند پشتیبانی می شوند. اینکه کدام نوع آرگومان قابل استفاده است به ضریب بستگی دارد. ctype یکی از c , al , ga , be , a , f , da , ea , q و g است. این ضرایب در همه ابعاد موجود است. علاوه بر این در سطح edim==sdim-1 ، ضرایب q و g به ترتیب مربوط به a و f مجاز هستند . همه ضرایب دارای یک سهم پیش فرض 0 هستند.

model.coeff( <tag> ).feature( <ftag> ).selection().named( <seltag> ) معادلات فرم ضریب را به انتخاب نامگذاری شده <seltag> اختصاص می دهد .
model.coeff( <tag> ).feature( <ftag> ).selection().set(…) یک انتخاب محلی را تعریف می کند که معادلات فرم ضریب را به موجودیت های هندسی اختصاص می دهد. برای فهرست کاملی از متدهای موجود در انتخاب () ، به model.selection() مراجعه کنید . فقط انتخاب در یک سطح هندسی در انتخاب مجاز است.

model.coeff(< tag >).feature(< ftag >)).getAllowedPropertyValues(property) مجموعه مقادیر مجاز برای یک ویژگی را برمی گرداند اگر مجموعه مجموعه محدودی از رشته ها باشد. در غیر این صورت، null برمی گرداند.

model.coeff( <tag> ).field() فیلدها را به صورت آرایه رشته ای برمی گرداند.

model.coeff( <tag> ).intRule() تگ های قانون ادغام را به عنوان یک آرایه رشته ای برمی گرداند.

model.coeff( <tag> ).feature( <ftag> ).get Type ( ctype ) مقدار ضریب را برمی گرداند. برای روش‌های موجود، بخش دریافت* و روش‌های دسترسی انتخاب را ببینید.

model.coeff( <tag> ).feature( <ftag> ).selection().named() تگ انتخاب نامگذاری شده را برمی گرداند و model.coeff( <tag> ).feature( <ftag> ).selection(). get Type () اطلاعات دامنه را برمی گرداند. برای متدهای موجود مدل.selection() را ببینید .

ویژگی های ویژه برای فرم موج PDE

اگر برای مثال، یک PDE فرم موج ایجاد کنید،

model.physics().create(“wahw”, “WaveFormPDE”, “geom1”, new String[][]{{“u”}});

سپس ویژگی های زیر با استفاده از نحو setIndex در دسترس هستند :

جدول 2-14: ویژگی های PDE فرم موج
ویژگی	ارزش	پیش فرض	فهرست مطالب	شرح
روش شار	fluxLF \| fluxGeneral	fluxLF	0	روش شار: Lax-Friedrichs یا یک شار عددی عمومی.
ستاره	دو برابر	1	0	شار عددی عمومی
آره	دو برابر	1	0	پارامترهای Lax-Friedrichs.
فیلتر اکتیو	0 \| 1	0	0	فعال کردن پارامترهای فیلتر
فیلتر	دو برابر	36	0	پارامترهای فیلتر α .
فیلتر	دو برابر	0.6	1	پارامترهای فیلتر η c .
فیلتر	دو برابر	3	2	پارامتر فیلتر s

به عنوان مثال، برای تنظیم پارامتر فیلتر s روی 2.5، از استفاده کنید

model.physics(“wahw”).feature(“wafeq1”).setIndex(“filter”, “2.5”، 2);

مثال

دو معادله غیر جفت نشده پواسون را روی dtag دامنه تعریف کنید .

کد برای استفاده با جاوا

model.coeff().create(“c1”, new string[]{“u”,””v”});

model.coeff(“c1”).intRule(رشته جدید[]{“gp1″،”gp1”});

CoeffFeature f1 = model.coeff(“c1”).create(“f1”);

f1.set(“c”,1,new string[]{“1″,”0.1″,”2”});

f1.set(“c”،2،”3”);

f1.set(“f”,New String[]{“2″,”1”});

f1.selection().geom(“g1”,2);

f1.selection().set(1);

کد برای استفاده با متلب

model.coeff.create(‘c1’,{‘u’,’v’});

model.coeff(‘c1’).intRule({‘gp1′,’gp1’});

f1 = model.coeff(‘c1’).create(‘f1’);

f1.set(‘c’,1,{‘1′,’0.1′,’2’});

f1.set(‘c’,2,’3′);

f1.set(‘f’,{‘2′,’1’});

f1.selection.geom(‘g1’,2);

f1.selection.set(1);

model.coeff()

شما چه احساسی دارید

اشتراک گذاری این مقاله :